卷积自编码器为何仅需指定输入图像维度，无需指定输出维度？

一、原代码为何无需指定输出维度也能运行 #

Keras的卷积类层（包括Conv2D、MaxPooling2D、Conv2DTranspose）会自动根据输入张量的形状、层的参数（如步长strides、填充方式padding、卷积核尺寸kernel_size）推导输出形状，不需要手动指定输出维度。

我们可以一步步拆解原代码的维度变化（输入为(28,28,1)）：

编码器阶段 #

• 第一个Conv2D：padding="same"保证输出宽高和输入一致，得到(28,28,32)
• 第一个MaxPooling2D：步长为2，padding="same"，宽高减半为14，得到(14,14,32)
• 第二个Conv2D：padding="same"保持宽高，得到(14,14,32)
• 第二个MaxPooling2D：步长为2，宽高再次减半为7，得到(7,7,32)

解码器阶段 #

• 第一个Conv2DTranspose：步长为2，padding="same"，宽高翻倍为14，得到(14,14,32)
• 第二个Conv2DTranspose：步长为2，宽高再次翻倍为28，得到(28,28,32)
• 最后一个Conv2D：padding="same"保持宽高，输出通道数改为1，得到(28,28,1)，和输入维度完全匹配，因此代码可以正常编译运行。

二、如何修改代码实现输出维度为(14,14) #

核心思路是调整解码器的上采样次数，让最终输出的宽高停在14。具体有两种常见方案：

方案1：简化解码器结构 #

保留原编码器的结构（输出(7,7,32)），只做一次上采样即可得到14x14的特征图，再通过Conv2D输出单通道结果：

input = layers.Input(shape=(28, 28, 1))

# 编码器（保持不变）
x = layers.Conv2D(32, (3, 3), activation="relu", padding="same")(input)
x = layers.MaxPooling2D((2, 2), padding="same")(x)
x = layers.Conv2D(32, (3, 3), activation="relu", padding="same")(x)
x = layers.MaxPooling2D((2, 2), padding="same")(x)

# 修改后的解码器
x = layers.Conv2DTranspose(32, (3, 3), strides=2, activation="relu", padding="same")(x)
# 移除第二次上采样，直接输出单通道
x = layers.Conv2D(1, (3, 3), activation="sigmoid", padding="same")(x)

# 构建模型
autoencoder = Model(input, x)
autoencoder.compile(optimizer="adam", loss="binary_crossentropy")
autoencoder.summary()

此时解码器从(7,7,32)上采样一次得到(14,14,32)，最后Conv2D保持宽高，输出(14,14,1)。

方案2：调整编码器的池化次数 #

如果不需要编码器压缩到7x7，可以减少一次池化，再对应调整解码器的上采样：

input = layers.Input(shape=(28, 28, 1))

# 修改后的编码器（仅一次池化）
x = layers.Conv2D(32, (3, 3), activation="relu", padding="same")(input)
x = layers.MaxPooling2D((2, 2), padding="same")(x)
x = layers.Conv2D(32, (3, 3), activation="relu", padding="same")(x)
# 移除第二次MaxPooling2D，此时特征图为(14,14,32)

# 修改后的解码器（无需上采样，直接输出）
x = layers.Conv2D(1, (3, 3), activation="sigmoid", padding="same")(x)

# 构建模型
autoencoder = Model(input, x)
autoencoder.compile(optimizer="adam", loss="binary_crossentropy")
autoencoder.summary()

这种方案下编码器输出(14,14,32)，解码器直接输出(14,14,1)，适合不需要深度压缩的场景。

注：如果你的实际需求是输入小尺寸图像（如14x14），上采样输出大尺寸图像（如28x28），只需将输入形状改为(14,14,1)，并调整编码器的池化/解码器的上采样次数即可，核心逻辑还是利用Keras自动推导维度的特性。

内容的提问来源于stack exchange，提问作者busfahrer